论文提出带隐式三维感知记忆的视频世界模型，以提升时空一致性。
推荐理由：隐式3D记忆瞄准视频世界模型的核心短板：视角或时间推进后场景结构容易漂移；若实验有效，将有利于长程交互模拟和具身智能环境生成。
阅读原文